HPE OneSphere
Navigation
Topo

A Inteligência Artificial segundo Matt Armstrong-Barnes, da HPE

Que a Inteligência Artificial está no centro da transformação digital nas empresas todo mundo já sabe. Mas como realizar essa jornada, acompanhando ou até se antecipando às mudanças para não perder o bonde da história? Que disrupções se desenham no horizonte das empresas nos mais diversos segmentos? Que aspectos devem encabeçar a lista de prioridades dos líderes no momento de implementar um projeto de IA?

Em busca de respostas para essas e muitas outras perguntas, o portal IT Management entrevistou o especialista Matt Armstrong-Barnes. Atuando desde 2013 na Hewllet Packard Enterprise do Reino Unido, ele ocupa o cargo de Chief Technologist para Inteligência Artificial. Aqui, Armstrong-Barnes compartilha um pouco de sua experiência e de sua visão sobre a jornada de IA nas empresas.

 

Conte-nos sobre suas funções como Chief Technologist na HPE. Com que tipos de projeto você está envolvido atualmente?

Na condição de Chief Technologist na HPE, eu trabalho com alguns dos nossos maiores clientes, principalmente ajudando-os em suas jornadas de Inteligência Artificial, projetos de Integração de Sistemas e implementação de DevOps. Como líder estratégico, busco impulsionar soluções técnicas inovadoras em todos os setores da indústria e tendências tecnológicas. Tenho uma experiência diversificada, pois trabalhei na indústria de TI por quase 25 anos, e a IA está realmente mudando o mercado! Estamos vivendo num mundo em que tudo é computadorizado. Tudo e todos estão conectados e compartilhando dados: nossos carros e residências, locais de trabalho, museus, estádios, hospitais, fábricas e seus data centers. Aproveitando a IA, todas as coisas aprendem umas com as outras para aprimorar funcionalidades, desempenho e segurança. As possibilidades de transformar todos esses dados em ação estão nos levando a um mundo mais rápido e mais inteligente, melhorando a maneira como vivemos e trabalhamos.

 

Você palestrou recentemente no AI Summit em Londres. Fale-nos um pouco da abordagem que levou ao evento e dos pilares fundamentais de sua visão para a IA.

Entrar na revolução digital significa entender que a mudança é constante – e que as expectativas estão em suas máximas históricas. Nesta economia digital, os dados são a nova moeda. Assim, obter novos insights a partir dessa explosão de informações é a única maneira de obter uma rápida vantagem competitiva. Desenvolver as regras capazes de identificar padrões em diferentes fontes de informação é assustador, se não impossível. Falei sobre como a implementação da IA em três etapas simples pode acelerar a maximização do valor dos dados colhidos.

Todos estão ocupados, então o mundo econômico em que vivemos está mudando constantemente – às vezes evolução, às vezes, revolução. A IA desempenha um papel em ambos os campos. Ela pode ser uma agregadora de dados num processo de negócios preexistente ou ser usada para estabelecer um novo segmento.

Os processos de negócios não vão mudar por seu algoritmo, porque eles são difíceis de modificar. Mas podem mudar como parte de um programa mais amplo. Nesses cenários em que os processos de negócios não têm flexibilidade, use a IA para lidar com a pipeline de dados de um processo de negócios específico. Ainda não pense na Inteligência Artificial como um mecanismo “de ponta a ponta” para substituir processos de negócios complexos.

Infelizmente, não há atalhos quando se trata de implementar a IA. Você precisa ter uma estratégia e identificar casos de uso promissores. Depois, precisa das pessoas certas e do ecossistema certo de parceiros para fazer as coisas acontecerem. Adquira ou construa ambos – lembrando que precisam de escalabilidade. Com a Inteligência Artificial, você nunca terá uma segunda chance para causar uma boa primeira impressão.

 

De que formas você crê que a Inteligência Artificial mudará o futuro?

Em primeiro lugar, a IA é um campo amplo. Debate-se na indústria e na academia sobre quanto tempo levará para se chegar a uma “Inteligência Artificial Geral”. Isto é, o ponto em que uma IA será capaz de realizar as mesmas tarefas intelectuais de um ser humano. No entanto, muito esforço e energia estão sendo investidos. Mas, pensando-se em como a IA irá mudar o mundo, as possibilidades são muito estimulantes. Ela está ajudando a resolver alguns dos problemas mais urgentes – coisas como fome e energia de vírus resistentes a antibióticos. Vai nos ajudar a entender o mundo e a melhorar nossa percepção sobre os negócios ou o planeta. Estamos gerando tanta informação, que já se tornou impossível peneirar o conhecimento. A informação está sendo bombardeada sobre nós a uma velocidade cada vez maior. Por isso precisamos de ajuda, e a Inteligência Artificial tem a resposta.

 

Na sua opinião, nossa sociedade está pronta para essas mudanças?

Pronta ou não, a onda perfeita está aqui. Temos muitos dados, temos algoritmos melhores… Porque também possuímos hardware melhor e mais barato para executá-los. Essas três coisas estão interconectadas. Mas é importante lembrar que você precisa desses três itens como uma base sobre a qual construir sua IA. Antes de tudo você precisa de dados – muitos dados. E eles têm de ser corretamente rotulados, governados e controlados. O melhor local para obtê-los é a sua comunidade de negócios. A TI pode armazená-los, mas são os produtores, consumidores e proprietários dos dados que melhor os entendem. É com eles que você precisa se envolver. E você precisa que esses dados sejam éticos, imparciais e de alta qualidade.

Em segundo lugar, você precisa do algoritmo certo para rodar os dados. Ou seja, precisa dos dados no formato consumível pela máquina. Construir algoritmos pode não ser trivial – mas, como eles existem desde os anos 1950, são bem compreendidos. Em geral, são problemas claros e distintos. Os dados, por outro lado, são uma questão complexa. Afinal, coletar, classificar e rotular conjuntos adequados de dados é muito mais complicado. Isso porque eles precisam ser suficientemente abrangentes para refletir o mundo real a fim de treinar os algoritmos. Obter dados de qualidade é um fator crítico de sucesso para qualquer implementação de Inteligência Artificial.

Por fim, você precisa da plataforma certa para atender às suas necessidades e fornecer a necessária taxa de transferência. A plataforma também deve suportar os frameworks de Inteligência Artificial que serão usados para construir seus modelos. Uma parte significativa da IA são os dados e sua logística. Diferente de outras aplicações na Computação de Alto Desempenho, a IA possui um conjunto único de requisitos de infraestrutura. Afinal, ela “ingere” uma enorme quantidade de dados, em vez de escrevê-los.

 

Qual é hoje o grande desafio da Inteligência Artificial?

A inteligência artificial e o aprendizado de máquina prometem transformar radicalmente muitas indústrias, mas também representam riscos significativos. E muitos deles ainda nem foram descobertos, uma vez que a tecnologia só agora começa a ser usada com força.

À medida que as empresas adotam cada vez mais a inteligência artificial, os riscos só aumentam. Precisamos de múltiplas camadas de defesa para segurança adicional. Primeiro, há a linha de frente da defesa contra os erros: as pessoas! As plataformas de IA só fazem recomendações. Então são seus especialistas – pessoas! – que formam também a segunda linha, revisando esses dados e seus respectivos limites de uso. É preciso rigor para garantir que os modelos não sejam pontuados se os dados subjacentes não estiverem adequados para tanto. Lembre-se: garbage in, garbage out [em tradução livre: lixo que entra, lixo que sai].

O último passo é certificar-se de que os outputs dos modelos que você está construindo tenham revisão por pares externa. Novamente, precisamos de pessoas – e com as habilidades certas para entender os dados de entrada e as informações de saída.

 

Então o grande foco está na captação e na qualidade dos dados…

Sim, os dados são o centro de tudo! A implementação da IA será extremamente desafiadora se os dados estiverem trancados em sistemas de origem desconectados. Sua obtenção num formato integrado é o único caminho para a IA atingir os objetivos no processo de negócios. Se os dados não estiverem integrados e agregados, você terá de rodar análises simples em cada sistema separado.

Mesmo quando você tem todos os dados, a qualidade é requisito básico. Sem ela, você pode acabar ensinando a coisa errada ao seu modelo de IA. Vieses também são um problema significativo, pois podem estar ocultos nos conjuntos de treino. Existem vários tipos de discriminação (racial, de gênero, de idade…), e eles precisam ser prevenidos no conjunto de entrada. Você deve analisar os dados para se certificar de que estão em conformidade com os valores e metas da organização.

 

E como certificar a “competência” dos modelos de IA?

Tenha as ferramentas de análise adequadas para esclarecer a auditores e comitês de revisão como a IA tomou qualquer decisão. Isto é especialmente importante em indústrias altamente regulamentadas. Uma coisa fundamental é que “o computador me disse também” não resiste ao escrutínio regulatório. A conformidade [compliance] sempre precisa ser levada em conta quando se trata de fontes de dados. Só porque você tem acesso à informação, isso não significa que ela pode ser usada da maneira que você quer.

Existem muitas maneiras de auditar seus modelos de Inteligência Artificial e observar os dados que entram. Pode-se usar uma empresa de auditoria independente ou construir essa capacidade usando seus próprios cientistas de dados. Há alguns campos interessantes da matemática que estão ajudando nisso, na forma de Responsabilização Algorítmica. Trata-se do princípio de um papel que os órgãos reguladores desempenharão nesse campo. Certo é que todos estão atentos aos desenvolvimentos recentes. Para mim, os reguladores necessitam da IA como uma ferramenta em seu kit, tanto quanto as próprias empresas necessitam.

 

O que você destacaria como as grandes potencialidades da Inteligência Artificial? Como as empresas podem tirar o melhor proveito dela?

A Inteligência artificial é um método estatístico para buscar padrões em grandes volumes de dados. É um campo vasto, mas podemos resumi-la ao subconjunto de IA mais popular, que é a RNA (rede neural artificial). A maneira mais simples de definir a RNA é como uma representação matemática da forma como um cérebro biológico funciona. Assim, qualquer problema que tenha um conjunto considerável de dados de entrada, regras impossíveis de capturar ou muito complexas e possua uma resposta probabilística pode ser alvo da IA.

A melhor maneira de fazê-la decolar é abordando a coisa toda com passos simples e fáceis de seguir. Lembre-se de que o caminho para a IA é uma jornada, não um destino. A primeira e mais importante etapa é envolver-se com a comunidade empresarial, pois a IA não é um problema técnico. Com os parceiros certos, a questão tecnológica é o mais fácil. Certifique-se de entender o que você está tentando alcançar, e os resultados serão obtidos. Compreendendo isso, você também começará a ter uma ideia dos desafios que enfrentará no processo.

 

Por exemplo…?

A Inteligência Artificial é algo grande, complexo e potencialmente assustador para as pessoas. Questões relacionadas à segurança no emprego, aos custos do impacto nos negócios e a diversas outras coisas vão surgir. Solidificar uma visão e um plano comuns é fundamental para que os stakeholders se alinhem ao que você está buscando.

O passo seguinte é explorar os melhores use cases e a tecnologia que suportará sua estratégia de IA. Neste ponto, o objetivo é errar rápido, com elegância, e aprender. Então ajuda muito contar com um parceiro que já tenha passado por processo semelhante. Há aqui um sério risco de sua AI acabar virando projeto de ciência, em vez de uma ferramenta de negócios.

De posse dos use cases e dos dados para construir os modelos, certifique-se de conduzir uma Prova de Valor. Depois, mãos à obra! Você deve pensar no produto mínimo viável (MVP) para fazer as coisas andarem. Mas também mantenha sempre um olho em como isso vai se integrar em seus sistemas existentes. A integração é essencial para impedir que a IA se torne um silo.

Novamente: a Inteligência Artificial é uma jornada! Então se lembre de otimizar sua tecnologia de IA, gerenciando mudanças e treinando suas equipes e sistemas de IA. Mantenha o loop de transformação e aumente seu sucesso, implementando mais use cases.

 

Há quem tema perder o emprego para a Inteligência Artificial. O que você pensa disso e o que diria a quem deseja se preparar para o futuro?

A IA vai, definitivamente, mudar o cenário do emprego. Mas, se você prestar atenção, muitas tarefas que ela realizará são, de qualquer forma, impossíveis para os seres humanos. A Inteligência Artificial é ótima em detectar padrões complexos em meio a milhões de informações. Com a revolução digital, estamos capturando cada vez mais informações e temos pouco ou nenhum meio de processá-las. Abordagens simples baseadas em regras só vão durar até o ponto em que não consigam mais lidar com a complexidade. Tão rápido quanto automatizará alguns trabalhos, a IA também criará outros. Setores completamente novos de mercado, antes inatingíveis, vão se materializar. Esse pensamento é apoiado por pesquisas sobre o assunto. Ao longo da história, a inovação tecnológica reformulou os papéis que desempenhamos. Da prensa de impressão ao primeiro computador, as pessoas tiveram de se adaptar, abraçando novas ideias e formas de trabalhar.

 

Na sua opinião, a IA transformará radicalmente algum setor específico da economia?

A Inteligência Artificial ainda está longe de modificar de ponta a ponta processos complexos de negócios. No momento, deveria ser usada para processar grandes volumes de dados, a fim de prover outputs específicos. Assim, alimentaria a pipeline de dados em processos já existentes.

Em essência, podemos olhar para a IA como uma ferramenta para as organizações lidarem com desafios presentes e futuros. Ela pode ser usada como um gerador de oportunidades de negócios. A Inteligência Artificial é capaz de prover novos insights a partir de enormes quantidades de dados complexos. Em muitos casos, esse tipo de processamento não pode ser obtido por meio de regras simples ou por seres humanos. Por exemplo: é possível usar IA para prever o que um consumidor quer com base em seu comportamento passado. Com essa informação, é possível maximizar o valor vitalício do cliente [Customer Lifetime Value]. É possível ainda prever a rotatividade de clientes e garantir que os esforços de cross selling sejam efetivamente direcionados.

Toda implementação de IA deve ser baseada numa estratégia sólida. É preciso que haja use cases específicos – avaliados e selecionados conforme sua capacidade de gerar o valor correto. O poder da Inteligência Artificial reside em melhorar a eficiência com recomendações derivadas da análise de grandes volumes de dados. É aqui que entra o termo “aprendizado de máquina”. Através da identificação de padrões e características, os sistemas de IA podem fazer recomendações mais precisas.

 

Que dicas você daria para quem está implementando o machine learning?

Certifique-se de triangular, categorizar e entender suas fontes de dados. É importante verificar os dados de uma fonte em relação a outra antes de aplicar qualquer aprendizado de máquina. No entanto, é possível melhorar a qualidade dos dados de treinamento para machine learning com votos ponderados dos resultados de análises de dados de múltiplas fontes. Neste ponto, liderança é fundamental – e algumas jornadas de IA podem começar pela nomeação de um Chief Data Officer (CDO). Lembre-se: garbage in, garbage out. Qualidade de dados, propriedade e governança fazem toda a diferença.

A maioria das empresas atualmente precisa desenvolver suas próprias tecnologias ou selecionar ferramentas/métodos existentes para preparar dados visando ao uso em IA e sistemas de aprendizagem de máquina.

 

Qual a visão da HPE para a Inteligência Artificial e o que a empresa está desenvolvendo atualmente nessa área?

Na Hewlett Packard Enterprise, temos um legado na Computação de Alto Desempenho, que vem sendo um dos propulsores da IA. Nos últimos anos, temos desenvolvido as capacidades de nossa plataforma para podermos ajudar os clientes nas suas jornadas de IA. Nós identificamos que os dados necessários para construir seus modelos de Inteligência Artificial são altamente verticalizados. Assim, nossa abordagem foca-se em implementar plataformas que permitam escalar rapidamente e em garantir os recursos certos para as organizações. Tanto para aquelas já engajadas na jornada da Inteligência Artificial quanto para as que estão apenas começando. Nós estamos fazendo isso com pessoas, tecnologia e um extenso ecossistema de parceiros. Nós fomos os pioneiros do Vale do Silício, então podemos oferecer escala para algumas startups levarem inovações ao mercado conosco.

Estamos vendo um enorme interesse no que a Inteligência Artificial pode alcançar. Para mim, ela é uma ferramenta que deveria constar no kit de todas as organizações. A explosão de dados em todas as verticais está exigindo uma mudança de pensamento. Abordagens baseadas em regras históricas são incapazes de lidar com a flexibilidade que as empresas precisam no clima atual. Todos os setores estão gerando dados abundantemente – e assistindo a grandes disrupções enquanto precisam operar em condições econômicas altamente desafiadoras. Quer você a compre ou construa, o certo é que precisa da plataforma certa para rodar seus serviços de IA.

 

A expertise da HPE encaixa-se perfeitamente neste cenário, não é mesmo?

Uma das nossas maiores potencialidades e expertise reside no segmento de data center. Por isso, temos usado a IA para impulsionar a transformação para o data center – algo que fazemos em duas dimensões. Primeiro, a partir das bases. Isto é, com dados gerados por sensores, que são agregados para antever e prevenir problemas e fornecer insights antes indisponíveis. A outra dimensão é a mudança dos vetores de ameaças que estamos vendo. Proteger seu ambiente fica cada vez mais complexo, à medida que a variedade de coisas conectadas a ele aumenta exponencialmente. A única maneira de abordar esses dois problemas complexos de negócios é com dados – muitos e muitos dados. Então você precisa de uma solução para analisar e revisar os dados para transformá-los em informações. Ou seja, em algo que possa ser apresentado a alguém e ajude a tomar decisões informadas.

Como empresa, somos apaixonados por tornar a Inteligência Artificial uma realidade para nossos clientes e para a sociedade. Com alguns parceiros, aliás, estamos ajudando três universidades britânicas a acelerar a adoção de aplicativos de supercomputadores no Reino Unido. Estamos disponibilizando tanto à indústria quanto à comunidade acadêmica uma das maiores instalações de computação de alto desempenho do mundo. A proposta é criar aplicativos que impulsionem o crescimento econômico e a produtividade, conforme a Estratégia Industrial do governo britânico. Pessoalmente, estou muito animado com a riqueza de possibilidades que a IA trará e com os interessantes debates que deverá criar!

 

De um ponto de vista global, que iniciativas no campo da Inteligência Artificial têm chamado sua atenção ultimamente?

A Inteligência Artificial está sendo usada para impulsionar até a inovação energética. A fusão nuclear é o futuro da energia na Terra. Mas é um processo altamente sensível, em que até pequenas interrupções ambientais podem paralisar reações e danificar máquinas multibilionárias. Os modelos atuais conseguem prever rupturas com 85% de precisão, mas algo ainda mais preciso era necessário. Então pesquisadores da Universidade de Princeton desenvolveram a Rede Neural Recorrente de Fusão (FRNN, na sigla em inglês). Eles usaram deep learning para prever rupturas e efetuar ajustes a fim de minimizar danos e tempo de inatividade. Mesmo uma melhoria de 1% na precisão dessas previsões seria transformadora, considerando a imensa escala e o custo do processo. Mas a FRNN alcançou 90% de precisão e está no caminho para atingir sua meta, que é de 95%.

Outro exemplo é o desenvolvimento de medicamentos. É preciso explorar diferentes combinações de moléculas de proteína (alvos) e compostos químicos para assegurar os efeitos desejados. Simulações clássicas de dinâmica molecular são demoradas e caras. Já modelos de machine learning ajudam a estimar a probabilidade de as moléculas-alvo interagirem com os compostos químicos dos fármacos. Ainda assim, necessitam de um desempenho significativamente melhor para entregar resultados mais precisos. Então cientistas da Universidade de Pittsburgh estão aprimorando o desempenho do modelo e a precisão das previsões. Comparada a outros modelos baseados em machine learning, sua rede neural convolucional melhorou a precisão de aproximadamente 52% para 70%.

 

Então a Inteligência Artificial já está impulsionando mudanças de grande escala…

Empresas em toda parte estão colocando Inteligência Artificial, análise avançada, Big Data e tecnologias emergentes no centro da transformação digital. Agora temos dados gerados pela Internet das Coisas, computação de alto desempenho, poder de armazenamento acessível e opções de nuvem… Então a oportunidade de aplicar AI para resolver problemas de negócios é real. O machine learning permite analisar padrões passados e futuros e prescreve as melhores ações possíveis, melhorando significativamente a tomada de decisão. A Inteligência Artificial está nos ajudando a enfrentar alguns dos maiores desafios do mundo, assim como também os pequenos.

 

Leia também:

Ciência de Dados: por que ela (não) funciona nas empresas

Canadá testa ferramenta de IA para reduzir índices de suicídio

Dez tendências que conduzirão o cenário digital até 2022

 

Foto: Matt Armstrong-Barnes/Arquivo pessoal
Categorias Ping-Pong